TGViewer
HN Digest | Главное из Hacker News HN Digest | Главное из Hacker News @hndigestru · 11 subscribers
Post #487 3
Бенчмарк `livenerf` проверит скрытое ухудшение моделей Anthropic
↘︎ Livenerf: Has Opus 5.5 been nerfed yet?

Инструмент livenerf ежедневно тестирует Claude Opus 5.5 на панели из 78 сложных вопросов, чтобы выявить скрытое ухудшение работы модели. Он отслеживает точность ответов и медианное количество генерируемых токенов.

💬 Многие пользователи связывают падение качества ответов с перегрузкой серверов в пиковые часы после запуска новых моделей.
→ обсуждение


857 баллов · 366 комм. · #daily · @HNDigestRu
GitHub GitHub - ninjahawk/livenerf: Benchmark for tracking model capability after release. Benchmark for tracking model capability after release. - ninjahawk/livenerf
More from @hndigestru
  1. Oct 1, 2026Micron прогнозирует дефицит чипов памяти до 2028 года ↘︎ Micron CEO Says Memory Supply Wil…
  2. Oct 1, 2026История кузнеца, ставшего автомехаником, утешает современных разработчиков ↘︎ The last tim…
  3. Sep 30, 2026🔥 Google анонсировала Gemini 4 Argon с миллионным лимитом генерации ↘︎ Gemini 4 Argon Мод…
  4. Sep 30, 2026ИИ-агенты Dots обещают автоматизировать повседневную цифровую рутину ↘︎ Dots: Always-on ag…
  5. Sep 29, 2026🔥 GPT 6.1 Sol предлагает уровень Astra впятеро дешевле ↘︎ GPT 6.1 Sol: Near-Astra intelli…
  6. Sep 29, 2026Американцы стали на 70% реже приглашать гостей домой ↘︎ You are no longer invited to dinne…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →